浏览量 : 0 下载量: 0 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • InSAR时序形变数据的自监督对比学习聚类方法

    • Self-supervised contrastive learning clustering method for InSAR time series deformation data

    • “在地质灾害监测领域，专家提出了基于自监督对比学习的InSAR时序形变深度聚类方法，有效提升了聚类准确性和鲁棒性，为形变信息解译提供了新方案。”
    • 2025年 页码：1-12   

      网络出版日期：2025-03-28，

    • DOI： 10.11834/jrs.20254393     

    移动端阅览

  • 吴晗飞，俸彬，李梦华，杨梦诗，张震，唐伯惠.XXXX.InSAR时序形变数据的自监督对比学习聚类方法.遥感学报，XX（XX）： 1-12 DOI： 10.11834/jrs.20254393.
    WU Hanfei，FENG Bin，LI Menghua，YANG Mengshi，ZHANG Zhen，TANG Bohui. XXXX. Self-supervised contrastive learning clustering method for InSAR time series deformation data. National Remote Sensing Bulletin， XX（XX）：1-12 DOI： 10.11834/jrs.20254393.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

段金亮 西南交通大学 地球科学与环境工程学院测绘遥感信息系
沙马阿各 西南交通大学 地球科学与环境工程学院测绘遥感信息系
张瑞 西南交通大学 地球科学与环境工程学院测绘遥感信息系;西南交通大学 高速铁路运营安全空间信息技术国家地方联合工程实验室
胡金龙 西南交通大学 地球科学与环境工程学院测绘遥感信息系;西南石油大学 土木工程与测绘学院
程彬彬 信息工程大学 地理空间信息学院
江志鹏 信息工程大学 地理空间信息学院
王自全 信息工程大学 地理空间信息学院
张磊 信息工程大学 地理空间信息学院

相关机构

西南交通大学 高速铁路运营安全空间信息技术国家地方联合工程实验室
西南石油大学 土木工程与测绘学院
西南交通大学 地球科学与环境工程学院测绘遥感信息系
信息工程大学 地理空间信息学院
武汉大学 电子信息学院
0